基于vq的大學生語音識別算法研究畢業論文(已修改)

　

【正文】 LANZHOU UNIVERSITY OF TECHNOLOGY畢業論文題 目： 基于VQ的大學生語音識別算法研究 College Students Speech Recognition based on VQ Algorithm 蘭州理工大學畢業論文摘 要語音識別主要研究的是使機器能夠準確的聽出說話人語音內容的問題，即語音識別的最終目的是使計算機能夠準確的識別任何人、任何內容的講話。語音識別技術是一項集聲學、語言學、計算機、信息處理、人工智能等領域的綜合技術，在計算機、信息處理、通信與電子系統、自動控制等領域中，以及工業、軍事、交通、醫學、民用等諸多方面有著廣泛的應用。語音識別系統從本質上說是一種模式識別系統，其基本結構與常規模式識別系統一樣，包含有特征提取、模式匹配、參考模式庫等基本單元。矢量量化技術在語音識別中占有很重要的地位，其包括碼書設計、碼字搜索和碼字索引分配，前兩者尤為重要。本文主要講了矢量量化過程中最佳碼書設計算法LBG算法的設計和實現，利用MATLAB工具進行仿真的實現。比對實驗數據結果可看出LBG算法是一種下降算法，在仿真過程中，每次迭代的平均失真具有單調不增特性（或者大小至少保持不變），可用來改進訓練序列的初始碼書從而生成最佳碼書，同時通過仿真過程還可看出LBG存在運算量和存儲空間大，易得到局部最優碼書的特點；最后運用仿真工具，通過改變數據量、碼書維數、量化壓縮比、最小失真門限等參數進行了大量仿真實驗，比對仿真數據結果，對LBG算法的實現過程和參數性能特點進行了分析。關鍵詞:語音識別；矢量量化（VQ)；LBG算法 AbstractThe main speech recognition is to accurately machine can hear the speaker39。s voice content problem that speech recognition is the ultimate goal enables a puter to accurately identify the person, any speech content. Speech recognition technology is a set of acoustics, linguistics, puter, information processing, artificial intelligence and other areas of integrated technology, puter, information processing, munications and electronic systems, automatic control and other areas, as well as industrial, military, transportation, medical , has a wide range of civilian and many other applications.Speech recognition systemis essentially apattern recognition system,the basic structureand the conventionalpattern recognitionsystem,includingfeature extraction,pattern matching reference modellibraryand other basic Quantization in speech recognition technology plays a very important role, which includes codebook design, code word search and codeword index distribution, the first two particularly important. This article is mainly about the best course of vector quantization codebook design LBG algorithm and implementation using MATLAB simulation tool implementations. The results of the experimental data than can be seen LBG algorithm is a descent algorithm, the simulation process, with each iteration the average distortion does not increase monotonically characteristics (size, or at least remain unchanged), can be used to improve initial codebook training sequence to generate optimal code book, but can also be seen through the simulation process LBG presence of large amount of putation and storage space, easy to get the characteristics of the local optimal codebook. Finally, the use of simulation tools, by varying the amount of data, the codebook dimension, quantization pression ratio, the minimum distortion threshold and other parameters of a large number of simulation experiments, pared to the simulation result, the data for the implementation process and the parameters of performance characteristics of the LBG algorithm is analyzed.Key words: speech recognition。 Vector Quantization (VQ)。 LBG algorithm 目 錄第一章 緒論 1 1 1 2第二章 基本原理 4 4 6 7 9 9 10第三章 矢量量化器的設計算法 12 12 LBG算法的實現 13 LBG算法實現流程設計 13 LBG算法初始碼書的選取 14 LBG算法常見的問題 16第四章 仿真結果及性能分析 17 MATLAB開發平臺簡介 17 LBG算法的設計仿真及結果分析 17 17 20結 論 26參考文獻 27附錄一 外文翻譯 28外文原文 28外文譯文 44附錄二 程序 61致 謝 65第一章 緒論語言是人和動物最基本，同時也是最重要的信息交換形式，語音信號是構成其思想疏通和情感交流的最主要途徑。通信系統中最常見的數據形式就是語音數據。人類目前已經進入信息化時代,用現代化手段研究語音處理技術,能使我們更加有效地產生、傳輸、存儲、獲取和應用語音信息,這對于促進社會的發展具有十分重要的意義。社會進入21世紀，信息在各個領域發生了大爆炸的態勢，同時伴隨著數字信號的數據量迅速暴增，對存儲器的存儲容量、通信信道的帶寬以及計算機的處理速度帶來很大的壓力，因此，在這種情況下需要對數據進行量化壓縮以達到緊縮數據存儲容量的目的 ，該方法能夠較快地傳輸各種信號 ,并使發信機功率降低。數字語音通信的兩個關鍵技術是語音質量和傳輸碼率，同時這兩者之間又是矛盾的：要獲得較高的語音質量，就必須使用較高的傳輸碼率；相反，為了實現高效地壓縮傳輸碼率，就很難得到良好的語音質量。然而采用矢量量化技術是一種既能得到高效壓縮的傳輸碼率 ，又能保證較好的語音質量的方法。矢量量化（VQ, Vector Quantization)技術是Steinhaus在1956年首次提出的，并于20世紀70年代后期發展起來的一種數據壓縮和編碼技術，現已廣泛應用于語音編碼、語音合成、語音識別和說話人識別等領域。在許多領域的課題研究中，矢量量化技術都起著非常重要的作用。采用矢量量化技術對信號波形或參數進行壓縮處理，可以獲得很好的效果。矢量量化技術不僅可以壓縮表示語音參數所需的數碼率，而且在減少運算量方面也是非常高效的，它還能直接用于構成語音識別和說話人識別系統。量化一般可以分為兩大類，一類是把抽樣后的信號值逐個進行量化的標量量化；另一類量化是先將k個抽樣值組成k維空間中的一個矢量，然后將此矢量進行量化，稱之為矢量量化（VQ）,它可以極大的降低數碼率，優于標量量化。各種數據都可以用矢量表示，直接對矢量進行量化，可以方便的對數據進行壓縮。矢量量化屬于不可逆壓縮方法，具備比特率低，解碼簡單，失真較小的優點。語音識別在語音鏈中是很重要的的一環，其研究的最終目的是使計算機能夠準確的識別任何人、任何內容的講話。語音識別屬于多維模式識別以及智能計算機接口的范疇，是一項集聲學、語言學、計算機工程、信息處理、人工智能等領域的綜合技術，在計算機技術、信息處理、通信與電子系統、自控制等領域，以及交通、醫學、工業、軍事、民用等諸多方面有著廣泛的應用。語音識別是一門新興科學，是近來國內外競相研究的熱點，信息產業迅速發展的要求促使著科技、工業及國防部門投入大量人力和財力來對其進行重點研究，其中包括計算機、通信、國防、機器人等關乎于國計民生的科技領域。語音識別主要具有如下優點：（1） 語音是人類最自然、最方便的交互工具，不需要作專門訓練。（2） 如果能輸入專門的聲音，這與使用打字機和按鈕等方法比較，操作簡單，使用方便。計算機語音輸入系統，使用口述代替鍵盤操作，實現向計算機輸入文字，這對于辦公自動化將帶來革命性的變化。由于漢字輸入的特殊性，漢語語音輸入系統的重要性尤其突出。（3） 語音的反應速度特別快，可以達到毫秒量級。語音信息輸入速度比打字機大約快34倍，比人工抄寫文字大約快810倍。（4） 同時使用手、腳、耳、眼睛等器官，可以在進行其他工作的同時兼顧周圍動作來輸入信息。（5） 因在輸入終端可使用麥克風、電話機等，所以非常經濟，還可直接利用現有的電話網，并能遙控輸入信息。因此語音識別系統具有重要的應用價值，它是人機通信的自然媒介。語音識別和語音合成相結合，可以構成“人機通信系統”。由于語音識別技術的逐步成熟，隨之產生的各類語音識別產品在人機交互應用中，已經占到越來越大的比例。語音是通信系統中最自然的通信媒介，語音識別技術的應用前景是無限的。矢量量化技術在其發展到目前為止的過程中大致經歷了兩個階段。第一階段：1956年Steinhaus首次系統的闡述了關于最佳矢量量化的問題。隨之，1957年Loyd在“PCM中的最小平方化”一文中給出了如何劃分量化區間和如何求量化值問題的結論。幾乎與此同時，Max也得出了同樣的結論，雖然他們的結論基本上都是關于標量量化問題的，但他們的算法對后來矢量量化的發展有著深刻的影響。1964年Newman研究了正六邊形原理。1977年Berger出版了《率失真理論》一書。總之，該階段的工作多以理論性的研究為主，但它奠定了其后來發展的基礎。第二階段：1978年Buzo第一個提出矢量量化器的概念,他提出的量化系統組成分為兩步,首先是將語音信號做線性預測分析，求出預測系數；其次對這些系數做矢量量化，得到了壓縮數據的語音編碼器。1980年，Linde、Buzo和Gray將Loydmax算法推廣，發表了第一個矢量量化器的設計算法，通常稱之為LBG算法，將矢量量化的研究向前推進了一大步。這一階段，人們對各種矢量量化系統展開了全面的研究，其中主要是對失真測度的探討，碼書的設計，快速搜索算法的尋找等等。矢量量化技術的研究進展是迅速的，1980年，僅將濾波系數從標量量化改為矢量量化，就可以使編碼速率降低到800b/s，同時聲音質量基本未下降。1983年，美國BBN公司研制出了一種采用矢量量化技術的分段式聲編碼器，可以用150b/s的速率來傳送可懂的話音。近年來在已經提出的各種矢量量化方法和系數的基礎上，更多優秀的矢量量化方法逐漸凸顯出來，在圖像數據壓縮和語音識別的應用方面，矢量量化的研究得到了很快的發展，提出了各種各樣的矢量量化系統，用硬件實現矢量量化系統的方法也越來越多。第二章 基本原理模式識別是指計算機對事物的認知，包活語音、文字、圖像、機器的運行狀態等。語音識別是一種特殊的模式識別。模式識別的基本原理是將一個輸入模式與保存在系統中的多個標準模式進行比較，找出最近似的標準模式，然后將該標準模式所代表的類名作為輸入模式的類名輸出。根據比較的方法不同，模式識別可分為模式匹配法、統計模式識別和句法模式識別。其中，模式匹配法是將兩個模式直接進行比較的方法，是最基本、最原理性的模式識別方法，在實際應用中是最廣泛的。 目前，絕大多數語音識別系統都采用了模式匹配法。根據該原理，未知語音的模式要與已知語音的參考模式逐一進行比較，最佳匹配的參考模式將被作為識別結果輸出。語音識別的步驟大致可分為兩步進行：第一步，根據識別系統的類型，選擇能夠滿足要求的一種識別方法，采用語音分析方法分析出該識別方法所要求的語音特征參數，這些參數